Análise bidirecional da língua na simplificação sintática em textos do português voltada à ...

251 Pages·2013·1.35 MB·Portuguese

Análise bidirecional da língua na
simplificação sintática em textos
do português voltada à
acessibilidade digital
Arnaldo Candido Junior

SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP
Data de Depósito:
Assinatura:______________________
Análise bidirecional da língua na
simplificação sintática em textos
do português voltada à
acessibilidade digital
Arnaldo Candido Junior
Orientadora: Profa. Dra. Sandra Maria Aluísio
Tese apresentada ao Instituto de Ciências Matemáticas e
de Computação - ICMC-USP, como parte dos requisitos
para obtenção do título de Doutor em Ciências - Ciências
de Computação e Matemática Computacional. VERSÃO
REVISADA
USP – São Carlos
Maio de 2013

Agradecimentos
Em primeiro lugar, agradeço a Deus por esta oportunidade de estudo e desenvolvimento
pessoal.
Agradeço à Amanda, Arnaldo, Maria e Michelle assim como a toda a minha família
pelos laços que foram criados e que não podem ser desfeitos.
Agradeço à Sandra Maria Aluísio, pela orientação exemplar, pela paciência e pela
dedicação nos últimos dois anos.
Agradeço à Ann Copestake pela oportunidade de estudo e desenvolvimento junto ao
projeto Delphin.
Agradeço aos amigos da Link House Trust, Ammy, Ary, Arijita, Avradeep, Christian,
Daniela, Diana, Helen, Julien, Kent, Lily, Pilar, Thomas, Tierry, Sonya, William, Yvette,
e todos os demais; aos trustees e wardens, em particular a Lil e Mel Robson e Shirley
pelo acolhimento.
Agradeço aos amigos “das antigas” de São Carlos: Ariani, Carolina, Caroline, Eliane,
Evandra, Eloize, Fernando, Erick, Jefferson, Lucia, Marco, Marcelo, Pedro; assim como
os novos amigos Fernando, Jhonata, Lianet, Marcio, Takeu, e aos recém-chegados do
laboratório; e todos os demais pela convivência e amizade.
Agradeço aos professores do NILC Gladis, Graça, Oto, Thiago e todos os outros, pelo
exemplo e pela orientação.
Agradeço a todos os colegas de mestrado, aos amigos do ICMC e da USP em geral.
Agradeço à FAPESP (processo 2008/08963-4), ao CNPq (201407/2010-8) e à CAPES
(DS-3680951/D) por terem permitido o desenvolvimento do trabalho financiando a
pesquisa em diferentes períodos.
Agradeço a todas as pessoas não foram mencionadas nestas palavras mais do que
breves, mas que foram e são pessoas importantes na minha vida.

Pedi, e dar-se-vos-á; buscai, e encontrareis; batei, e abrir-se-vos-á.
Porque, todo aquele que pede, recebe; e,
o que busca, encontra; e, ao que bate, abrir-se-lhe-á.
Mateus 7:7–12

Resumo
O Processamento de Línguas Naturais é uma área interdisciplinar cujas pesquisas
podem ser divididas em duas grandes linhas: análise e síntese da língua. Esta pesquisa de
doutorado traz contribuições para ambas. Para a análise da língua, um modelo integrativo
capaz de unir diferentes níveis linguísticos é apresentado e avaliado em relação aos níveis
morfológico, (incluindo subníveis léxico e morfossintático), sintático e semântico. Enquanto
análises tradicionais são feitas dos níveis mais baixos da língua para os mais altos, em uma
estratégia em cascata, na qual erros dos níveis mais baixos são propagados para os níveis mais
altos, o modelo de análise proposto é capaz de unificar a análise de diferentes níveis a partir
de uma abordagem bidirecional. O modelo é baseado em uma grande rede neural, treinada em
córpus, cujos padrões de treinamento são extraídos de tokens presentes nas orações. Um tipo
de recorrência denominado coativação é aplicado no modelo para permitir que a análise de
um padrão modifique e seja modificada pela análise de outros padrões em um mesmo
contexto. O modelo de análise permite investigações para as quais não foi originalmente
planejado, além de apresentar resultados considerados satisfatórios em lematização e análise
morfossintática, porém ainda demandando aprimoramento para a tarefa de análise sintática. A
ferramenta associada a esse modelo permitiu investigar a recorrência proposta e a interação
bidirecional entre níveis da língua, incluindo seus subníveis. Experimentos para coativação e
bidirecionalidade foram realizados e considerados satisfatórios. Para a área de síntese da
língua, um modelo de simplificação sintática, tarefa considerada como adaptação de texto
para texto, baseado em regras manuais é aplicado em textos analisados sintaticamente, tendo
como objetivo tornar os textos sintaticamente mais simples para leitores com letramento
rudimentar ou básico. A ferramenta associada a esse modelo permitiu realizar simplificação
sintática com medida-f de 77,2%, simplificando aproximadamente 16% de orações em textos
do gênero enciclopédico.